龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
摘要：本发明提出了一种基于低频滤波和自相关性的中长期风速预测方法，属于风速预测技术领域，首先进行序列分解，输入过去采集的风速序列，采用基于低频滤波的深度学习时间序列分解方法进行分解；然后进行归一化，将分解的数据进行归一化处理；进行模型深度学习，输入经过处理后的数据，训练自相关性和多层线性层；最后逆归一化，将最近采集的新风速序列输入至步骤3训练好的模型进行预测，对预测结果进行逆归一化，还原预测结果到原始数据尺度上，得到未来一段时间的风速预测。
主权项：1.一种基于低频滤波和自相关性的中长期风速预测方法，其特征在于：所述方法具体包括以下步骤：步骤1，序列分解，输入过去采集的风速序列，采用基于低频滤波的深度学习时间序列分解方法进行分解；将输入的风速序列先通过低频滤波的方法进行分解，分解为低频部分和高频部分；对低频部分和高频部分再分别用滑动平均方法进一步分解，低频部分分解为趋势项和周期项1，高频部分分解为周期项2和残差项；所述低频滤波的方法具体为：用快速傅里叶变换将风速序列变换到频域上，用shift将低频部分置于中心，用低频滤波在时间的维度上得到中心低频部分；剩下的部分即为高频部分；随后用逆变换恢复得到低频部分的数据和高频部分的数据，完成低频滤波分解；步骤2，归一化，将步骤1分解的数据进行归一化处理；步骤3，模型训练，输入经过步骤2处理后的数据，训练自相关性和多层线性层；将两个周期项合并，使用自相关性模块学习周期特征；对于趋势项和残差项，使用多层线性层进行学习；步骤4，逆归一化，将最近采集的新风速序列输入至步骤3训练好的模型进行预测，对预测结果进行逆归一化，还原预测结果到原始数据尺度上，得到未来一段时间的风速预测。
全文数据：
权利要求：
百度查询： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 一种基于低频滤波和自相关性的中长期风速预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号